English(EN) FeatLens: Feature-Guided Dependency Retrieval for Repository-Level Code Generation

FeatLens 通过精确检索相关依赖项来改进代码生成

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-31 04:00

研究人员推出了一种名为 FeatLens 的新方法，用于仓库级代码生成，该方法侧重于检索与任务相关的代码依赖项。与依赖于相似性或基于图的检索的先前方法不同，FeatLens 使用自然语言特征描述来构建一个将特征与代码实体关联起来的索引。这使得能够更精确地选择实现特定功能需求所需的依赖项。在 DevEval 和 EvoCodeBench 基准测试上的实验表明，FeatLens 在依赖项召回率方面表现更优，并且在使用 DeepSeek-V3.2 和 GPT-5-mini 等模型时，支持更高的非神谕 Pass@1 分数，尤其是在检索阶段无需调用 LLM。 AI

影响通过提高依赖项检索的精度来增强代码生成，有望带来更准确、更高效的软件开发。

排序理由这是一篇详细介绍代码生成新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 0 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 这是一篇详细介绍代码生成新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, product; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: 4 days old; Aged out of breaking-news scoring windows; ranking reflects the durable signal from the full source set.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Xutian Li, Bo Xiong, Yifeng Zhu, Runbang Yan, Yanzhen Zou, Lu Zhang, Bing Xie · 2026-10-31 04:00

FeatLens：面向仓库级代码生成的特征引导依赖检索

arXiv:2609.26480v2 Announce Type: replace-cross Abstract: Retrieving task-relevant code dependencies is critical for repository-level code generation. Existing approaches obtain dependency context through similarity-based retrieval, repository graphs, or LLM-driven exploration. A…

本文如何被排名

报道来源 [1]

FeatLens：面向仓库级代码生成的特征引导依赖检索

相关实体

相关话题